如何快速上手 efficientnet_em.ra2_in1k:10分钟从零完成第一次图像分类
如何快速上手 efficientnet_em.ra2_in1k:10分钟从零完成第一次图像分类
efficientnet_em.ra2_in1k 是一个面向图像分类任务的轻量级预训练模型,来自 timm(PyTorch Image Models)模型库,基于 ImageNet-1k 训练,参数仅 6.9M,普通 CPU 也能秒级完成一次分类推理。本文将带你用 10 分钟时间,从零完成第一次图像分类,并讲清楚模型的关键配置与进阶用法。
📌 先认识:efficientnet_em.ra2_in1k 是什么?
简单来说,它是一个高效、小巧、开箱即用的图像分类模型:
- 架构:EfficientNet-EdgeTPU(
em即 EdgeTPU 移动端变体),专为加速器友好设计,适合端侧部署 - 训练配方(RA2):采用 RandAugment 数据增强 + RMSProp 优化器 + EMA 权重平均 + 阶梯式学习率调度
- 能力:输入一张 240 × 240 的图片,输出 ImageNet 1000 个类别的得分
核心指标一览(来自 README.md 的模型说明):
| 指标 | 数值 |
|---|---|
| 参数量 | 6.9M(非常轻量) |
| 计算量 GMACs | 3.0 |
| 输入图像尺寸 | 240 × 240 |
| 分类类别数 | 1000(ImageNet-1k) |
| 开源协议 | Apache-2.0 |
💡 为什么它值得尝试?参数不到 7M,比常见大模型小一个数量级,推理快、显存占用低,是新手入门图像分类、以及做特征提取/迁移学习的理想起点。
⏱️ 10分钟快速上手:三步完成第一次分类
第 1 步:准备环境并获取模型权重
先安装 timm 框架:
pip install timm
再克隆本仓库获取模型文件:
git clone https://gitcode.com/hf_mirrors/timm/efficientnet_em.ra2_in1k
⚠️ 注意:
model.safetensors和pytorch_model.bin通过 Git LFS 管理(约 27.9 MB)。如果克隆后文件只有几百字节,说明拿到的是 LFS 指针,执行git lfs pull拉取真实权重即可。
仓库内 4 个文件各司其职:
- README.md:模型说明与官方用法示例
- config.json:模型架构与预处理参数配置
- model.safetensors:safetensors 格式权重(更安全高效)
- pytorch_model.bin:传统 PyTorch 格式权重
第 2 步:编写第一段推理代码
只需不到 15 行 Python 代码(cat.jpg 换成你本地的任意图片即可):
from PIL import Image
import torch
import timm
# 1. 创建模型(pretrained=True 会自动加载预训练权重)
model = timm.create_model('efficientnet_em.ra2_in1k', pretrained=True)
model.eval()
# 2. 自动获取模型匹配的预处理配置(含归一化、缩放)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)
# 3. 推理并输出 Top-5 结果
img = Image.open('cat.jpg').convert('RGB')
output = model(transforms(img).unsqueeze(0)) # 加 batch 维
top5_prob, top5_idx = torch.topk(output.softmax(dim=1) * 100, k=5)
print(top5_prob, top5_idx)
三个关键细节解释:
unsqueeze(0):把单张图片变成[1, 3, H, W]的 batch 格式softmax(dim=1) * 100:把 logits 转成百分比概率,方便阅读transforms由 timm 自动生成,无需手写归一化参数,这是 timm 的贴心之处
第 3 步:查看结果
输出的 5 个类别索引对应 ImageNet 的 1000 类标签体系。例如一只猫的常见输出为 281、282 等(对应 cat 相关类别),概率最高的一行就是模型的"最终判断"。到这里,你的第一次图像分类就完成了!🎉
🔍 关键配置速览:读懂 config.json 的核心参数
config.json 里几个最常用的参数:
input_size: [3, 240, 240]:模型期望的输入为 3 通道、240×240 图像mean: [0.485, 0.456, 0.406]/std: [0.229, 0.224, 0.225]:ImageNet 标准归一化均值与标准差,create_transform会自动套用crop_pct: 0.882与crop_mode: "center":评估时中心裁剪比例num_classes: 1000、num_features: 1280:分类头类别数与特征维度first_conv: "conv_stem"、classifier: "classifier":骨干首层与分类头名称,迁移学习时替换层常用到
这些参数解释了"模型为什么这样预处理",当你需要自定义数据管道时可直接对照使用。
🚀 进阶玩法:一模型三用途
官方在 README.md 中给出了三种用法,除分类外还能:
- 特征图提取:创建模型时加
features_only=True,输出多层特征图(如[1, 24, 120, 120]、[1, 192, 8, 8]等),可用于分割、检测的骨干网络 - 图像嵌入(Embedding):创建时设
num_classes=0去掉分类头,或直接调用model.forward_features+forward_head(pre_logits=True),得到 1280 维向量,适合做以图搜图、相似度聚类 - 迁移学习微调:把
num_classes改成你自己的类别数,替换classifier层后即可在自己的数据集上继续训练
❓ 常见问题 FAQ
没有 GPU 能跑吗? 可以。6.9M 参数 + 3.0 GMACs 的规模,普通 CPU 推理单张图通常在 100ms 量级,完全够用。
权重从哪里来?
pretrained=True 时 timm 会自动从模型仓库下载;若已克隆本仓库,也可用本地权重加载,避免重复下载。
输入图片尺寸不是 240×240 可以吗?
可以,transforms 会自动缩放裁剪到 240 × 240(见 input_size 配置),无需手动 resize。
小结
10 分钟回顾一下:环境安装 → 克隆权重 → 15 行代码推理,你就已经跑通了 efficientnet_em.ra2_in1k 这个轻量图像分类模型。下一步建议:尝试特征提取与图像嵌入用法,把它接入你自己的数据集,体验"一模型三用途"的完整流程。🚀